Automated Behavior Analysis of Mice Considering Undefined Behaviors (事前定義されていない行動を考慮したマウスの自動行動解析)
渡辺 仁 (1351114)
動物行動解析は医学や薬理学, 社会行動学など様々な分野で必要なプロセスであり, その解析結果は我々の福祉の向上に大きな寄与をもたらしてきた. 近年, コンピュータによる動画からの自動解析の手法が提案されているが, いずれも行動の事前定義と多数の教師データに基づく手法が主となっている. 一方, 動物は特定の環境や種によって多様な行動を示すため, あらかじめ起こりうる全ての行動を事前に定義し, その事前定義に基づく教師データを作成する事が困難となる場合が多い. こうした状況下においては, 事前定義に基づく解析の適用は制限されるため, 事前定義されていない行動も考慮に含めた解析手法が必要となる.
自動行動解析の広範な適用を目指し, 本研究ではマウスを対象として, データのクラスタリングによる事前定義されていない行動を考慮した解析を行う. 本研究では, クラスタリング手法として, 無限個のクラスタの生成を考慮することのできる無限混合ガウスモデル (IGMM) を利用する. 更に, 少数の教師データを有効に利用するために無限混合ガウスモ
デルを半教師あり学習の枠組みへ拡張した半教師あり無限混合モデル (Ss-IGMM) を適用する. ラベルなし, 及び, 少数のラベルが使用可能な状況での実験の結果, IGMMは事前定義されていない行動の検出が可能であり, 半教師あり学習への拡張を行う事により, 事前定義されていない行動を考慮した精度の向上が可能である事が示唆された.